cloudflare security-audit-skill：让 Coding Agent 变六阶段对抗式安全审计员

Skill超级捕获手 技术创作者 2026-09-24 2209 阅读

Cloudflare 开源的安全审计 Skill 在 2026-09-17 空降 GitHub Trending 第一，单日暴涨 3,600+ star——不是扫描器，而是一套六阶段对抗式 AI 审计方法论。它的核心结论反直觉：单次运行只能发现重复累计发现量的一半漏洞，覆盖靠流程而不是单模型推理。

功能与原则

这是一个把通用编码智能体改造为可复现安全审计员的 Skill。Cloudflare 安全研究团队从内部漏洞发现流水线（VDH）中抽出”种子”开源——不是一份规则清单，而是一套多智能体协同审计流程。

核心设计原则：
– 隔离猎人：发现漏洞的 agent 和验证漏洞的 agent 永远不是同一个，对抗式审查过滤误报
– 覆盖台账驱动：每次运行基于前次覆盖率台账（coverage-ledger.json）继续挖盲区，不把未解决工作当已覆盖
– Severity 要求影响：Likelihood × Impact，拒绝偏离清单的偏离度打分
– Defense-in-depth 不算漏：如果 Layer A 已阻止攻击，Layer B 缺失只是加固备注，不是漏洞
– 结构化输出可机器读：findings.json 经 validate-findings.cjs 校验，支持对接漏洞管理系统

认可度

  • GitHub Star：约 18K（截至 2026-09-24，gittrend.io 实时数据）
  • 2026-09-17 GitHub Trending 第一名，当日 +3,606 star（社区实测峰值）
  • 累计 Trending 上榜 71 天（2026-06-18 起），近期持续在榜
  • Forks：约 1,000
  • 安装量（skills.sh）：6,500+ 次
  • 由 Cloudflare 安全研究团队（literally-dan 等）维护，MIT 许可证

链接

GitHub：https://github.com/cloudflare/security-audit-skill

原作者

Cloudflare 安全研究团队（官方维护），核心贡献者 GitHub username @literally-dan。这是 Cloudflare 官方博客文章 Build your own vulnerability harness 的配套开源项目。

介绍

安全审计是 AI Agent 最难落地的场景之一：误报多、覆盖散、单次运行容易遗漏。Cloudflare 这套 Skill 的思路是把专业安全审计流程拆解成六个可独立执行的阶段，让多个并行的 AI Agent 各司其职、互相制约。

第一阶段：侦察（Reconnaissance）——并行研究 agents 绘制应用架构、信任边界、输入面、已有证据，产出 architecture.md 和 coverage-ledger.json 覆盖率台账。台账是后续所有阶段的基础——它决定了什么还没被覆盖。

第二阶段：覆盖驱动狩猎（Coverage-led Hunting）——根据台账分配隔离猎人 agents，从不同角度（注入、访问控制、业务逻辑、加密、功能滥用、链式攻击、泛类）并行扫描。覆盖评论器（coverage critic）实时找盲区，hunter 检查结果写入台账。

第三阶段：候选验证（Candidate Validation）——每个候选漏洞交给一个全新的、未参与前期流程的 verifier agent，它被要求尝试推翻原发现。推翻成功的降级或淘汰，推翻不了的保留。这是从流程设计上降低单一 agent 推理偏差的核心机制。

第四阶段：结构化输出（Structured Output）——confirmed / needs_validation / rejected 三类记录写入 findings.json，经 validate-findings.cjs 零依赖校验器验证格式。needs_validation 是”有疑点但未确认”状态，不是失败。

第五阶段：独立记录验证（Independent Record Verification）——又一轮全新 agents 验证最终输出的每个事实性声明是否与源码一致。发现 material 替换则再跑一轮独立验证。

第六阶段：目标中立报告（Target-neutral Reporting）——从验证后的记录和覆盖率台账导出 REPORT.md（人读）、FINDINGS-DETAIL.md（详细追踪）、NEEDS-VALIDATION.md。

多次运行 additive：后续运行读取前次 ledgers 和 findings，瞄准盲区、重新验证变更源码、继承当前源码证据——不把未解决工作当已覆盖。

特点

  • 六阶段结构化审计：Recon → Hunt → Validate → Structured Output → Independent Verification → Report，阶段间有强制校验
  • 对抗式验证机制：发现者 ≠ 验证者，adversarial review 从机制上压制误报
  • 覆盖台账（coverage-ledger.json）：每次运行基于前次台账继续，覆盖率靠流程累积而非单次推理
  • 零依赖校验器：Node.js 零依赖的 validate-findings.cjs / validate-coverage-ledger.cjs，不引入额外依赖链
  • 多领域攻击类覆盖：注入、访问控制、业务逻辑、加密、供应链、云部署、桌面/移动 IPC 等 12 个攻击类 prompt 文件
  • 可对接漏洞管理系统：JSON 结构化输出经 JSON Schema 校验，可直接对接企业内部漏洞管理流程
  • additive 多轮覆盖：单次运行约发现 50% 漏洞，重复运行可显著提升覆盖率

使用方法

安装：

npx skills add https://github.com/cloudflare/security-audit-skill 
  --skill security-audit

# 用户级全局安装
npx skills add https://github.com/cloudflare/security-audit-skill 
  --skill security-audit 
  --global

使用： 在目标代码库中启动 Claude Code / Codex 等编码 agent，然后发出审计指令：

security audit this codebase

find security vulnerabilities in ./src

do a security review, output to ~/audits/my-project

Skill 自动识别触发词（security audit / find vulnerabilities / pen-test 等）并激活全流程。

输出目录： 未指定时默认为 ~/security-audit-skill/<repo-name>/run-<N>。

前置要求：
– 支持并行 sub-agents 的编码 agent（如 Claude Code、Codex 等）
– Node.js（运行零依赖校验器）
– OS 级沙箱（目标代码构建、测试、浏览器等须隔离，禁止外部网络访问）

使用场景与人群

适用场景：
– 代码库上线前安全审计（CI/CD 流程集成）
– 第三方代码 / 开源依赖引入前的安全评估
– 红队演练中 AI 辅助漏洞发现
– 漏洞管理系统的自动化输入源

目标用户：
– 安全工程师（需要 AI 辅助扩大审计覆盖面）
– DevSecOps 团队（把 AI 安全审计接入开发流程）
– 开发者自己（上线前自助安全检查）
– 关注 AI + 安全交叉领域的工程师

输入与输出案例

输入：

security audit this codebase

典型输出结构（findings.json）：

{
  "verdict": "confirmed",
  "type": "SQL Injection",
  "severity": "HIGH",
  "source_trace": "src/db/query.js:23 — user input directly interpolated into SQL string",
  "observed_result": "Attacker-controlled ' OR '1'='1' payload bypasses authentication",
  "impact": "Authentication bypass leading to data exfiltration",
  "likelihood": "HIGH",
  "remediation": "Use parameterized queries (prepared statements)"
}

覆盖台账示例（coverage-ledger.json 片段）：

{
  "unit": "src/auth/",
  "checked": ["SQL Injection", "Broken Authentication", "CSRF"],
  "gaps": ["OAuth Token Leak via URL Query Param"],
  "last_run": "2026-09-24"
}

核心洞察（来自 Cloudflare 官方博客）：单次运行约发现总漏洞量的 50%，剩余 50% 靠后续运行补充——AI 安全审计的覆盖靠的是流程累积，不是单次推理深度。这也是为什么多轮 additive 设计是这个 Skill 最有价值的工程决策。

GitHub: https://github.com/cloudflare/security-audit-skill

评论区

0 条评论

登录后可评论。

Skill超级捕获手 2209 阅读